目的测定临床常用30种静脉用药序贯输注过程中组间冲管液的安全剂量,为临床护理操作提供参考。方法选取临床上常用且能采用紫外分光光度仪测定药物吸光度的30种静脉用药作为实验对象,按照药品使用说明书将其配制成临床常用成品输液,模...目的测定临床常用30种静脉用药序贯输注过程中组间冲管液的安全剂量,为临床护理操作提供参考。方法选取临床上常用且能采用紫外分光光度仪测定药物吸光度的30种静脉用药作为实验对象,按照药品使用说明书将其配制成临床常用成品输液,模拟体外临床输注。输液结束时,更换与溶剂一致的0.9%氯化钠或者5%葡萄糖注射液作为冲管液,依次留取样本1 mL,共留取70个样本。利用紫外分光光度仪测定不同阶段冲管液量标本的吸光度,根据标准曲线计算浓度,当冲管液量样本浓度为0时,判定输液管内残留药液已被冲洗干净。结果30种静脉用药的冲管液体积24~65 mL,其中24~<30 mL 12种,30~<40 mL 10种,40~<50 mL 6种,50 mL 1种,65 mL 1种。22种(73.33%)药品组间冲管安全剂量在40 mL以内。结论多种静脉用药序贯输液时,当有配伍禁忌或无法确定有无配伍禁忌时,均需要使用安全剂量行组间冲管,以利于临床静脉用药安全。展开更多
文摘目的:收集患者临床信息,采用机器学习算法构建患者静脉用药风险预测模型。方法:回顾性纳入静脉用药患者(建模组1 302例和验证组281例),采用药学监护联盟协会提出的药物相关问题V 9.09分类标准分析患者存在的药物相关问题,采用logistics回归、神经网络、CHAID决策树、贝叶斯网络、支持向量机等机器学习算法构建静脉用药风险预测模型,并采用混淆矩阵格式对各预测模型进行评价。通过准确率、召回率、精确率、F1值以及生成验证受试者工作特征曲线下面积(area under curve,AUC)评价模型的预测性能。结果:患者药物相关问题发生率为26.9%。患者药物相关问题主要集中在治疗安全性方面(n=556,94.9%),其次是治疗有效性方面(n=30,5.1%)。构建的模型中支持向量机的预测效能最好,AUC为0.826。结论:机器学习算法构建的静脉用药风险预测模型预测效能良好,可为静脉用药安全管理提供新思路和新方法。
文摘目的测定临床常用30种静脉用药序贯输注过程中组间冲管液的安全剂量,为临床护理操作提供参考。方法选取临床上常用且能采用紫外分光光度仪测定药物吸光度的30种静脉用药作为实验对象,按照药品使用说明书将其配制成临床常用成品输液,模拟体外临床输注。输液结束时,更换与溶剂一致的0.9%氯化钠或者5%葡萄糖注射液作为冲管液,依次留取样本1 mL,共留取70个样本。利用紫外分光光度仪测定不同阶段冲管液量标本的吸光度,根据标准曲线计算浓度,当冲管液量样本浓度为0时,判定输液管内残留药液已被冲洗干净。结果30种静脉用药的冲管液体积24~65 mL,其中24~<30 mL 12种,30~<40 mL 10种,40~<50 mL 6种,50 mL 1种,65 mL 1种。22种(73.33%)药品组间冲管安全剂量在40 mL以内。结论多种静脉用药序贯输液时,当有配伍禁忌或无法确定有无配伍禁忌时,均需要使用安全剂量行组间冲管,以利于临床静脉用药安全。
